Introducción al curso y repaso

Encuentro 1

Análisis y visualización de datos con R + RStudio


Nivelación R + tidyverse

Tratamiento de tipos de datos específicos

Exploración, depuración y gestión de tablas de datos

Operaciones múltiples e iteración

Indicadores estadísticos

Visualización de datos

Documentos Quarto (2 semanas)

Tableros Quarto (2 semanas)

Esquema de trabajo


  • Los lunes comenzamos un nuevo tema en el aula virtual con material teórico-práctico, recursos extras, enlaces y bibliografía complementaria.
  • También habrá un trabajo práctico para desarrollar. Solo en dos momentos de la cursada estos trabajos prácticos servirán de evaluación.
  • Los viernes se realizará el encuentro sincrónico en la plataforma Webex (de 9 a 11 hs), donde se integrará el tema del bloque, veremos el trabajo práctico correspondiente a esa semana y responderemos consultas y dudas que hayan quedado.


Importante

El bloque 4 (Operaciones múltiples e iteración) tendrá dos semanas porque el viernes 21/6 es feriado puente.

Trabajos prácticos


  • Cada bloque tiene su trabajo práctico.

  • Es importante que lo intenten hacer antes del encuentro sincrónico para poder consultar las dudas y problemas.

  • Al finalizar la semana se subirá una resolución al aula virtual.

  • Sólo dos de estos TP serán evaluativos (al finalizar la 5 y 6 semana). Tendrán tiempo hasta la siguiente semana luego del sincrónico correspondiente.

  • El trabajo practico integrador se inicia luego del bloque 6 y se entrega el 23/8.


Nota

Estas fechas pueden sufrir cambios como resultado del desarrollo de la cursada.

Nivelación R


  • Instalación del software R + Rtools
  • Sintaxis básica
  • Asignación y creación de objetos
  • Funciones
  • Operadores y conectores
  • Paquetes
  • Estructura de datos (vectores y dataframes)
  • Secuencias
  • Valores especiales (NA)

Nivelación RStudio


  • Instalación del software
  • Paneles
  • Proyectos
  • Scripts
  • Herramientas de edición
  • Gestión de paquetes

Nivelación tidyverse


  • Filosofía de lo ordenado (tidydata)
  • Uso de tuberías %>% o |>
  • Lectura de datos (texto plano y Excel)
  • Manipulación de datos con dplyr - funciones-verbos principales (select, filter, rename, arrange, mutate, summrise, group_by, count, join_*)
  • Estilo de sintaxis

Funciones condicionales


Las llamamos funciones condicionales porque utilizan condiciones para decidir que valor tomar.

  • Las hay dicotomicas (toman solo dos valores posibles) o múltiples.

  • Sirven principalmente para discretizar o agrupar valores de variables existentes en nuevas variables, pero también se utilizan para modificar etiquetas de categorías y otras tareas.

  • Se aplican dentro de una función mutate() y el resultado se suele asignar a la misma tabla de datos para almacenar esos cambios.

  • Para construir las condiciones se utilizan los operadores de comparación y los conectores lógicos (cuando existe más de una condición)

if_else()


datos <- datos |> 
  mutate(variable_nueva = if_else(condition = condicion, 
                                  true = "valor si se cumple la condición", 
                                  false = "valor si no se cumple"))

cut_interval()


datos <- datos |> 
  mutate(variable_nueva = if_else(condition = condicion, 
                                  true = "valor si se cumple la condición", 
                                  false = "valor si no se cumple"))

case_when()


datos <- datos |> 
  mutate(variable_nueva = if_else(condition = condicion, 
                                  true = "valor si se cumple la condición", 
                                  false = "valor si no se cumple"))

between()


datos <- datos |> 
  mutate(variable_nueva = if_else(condition = condicion, 
                                  true = "valor si se cumple la condición", 
                                  false = "valor si no se cumple"))

Instituto Nacional de Epidemiología